/ Модель

Характеристики

Лицензия
MIT
Базовая модель
GLM-5.3-Flash
Библиотека
gguf
Опубликована
3 окт 2026

Pwdz-2-Abliterated

Изображение и текст → текст

Мультимодальная GGUF-модель GLM-5.3-Flash с абляцией отказов для диалогов, анализа изображений и работы с очень длинным контекстом.

312скачиваний за 30 дней0лайковвеса обновлены3 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Pwdz-2 Abliterated — мультимодальная модель компании Pwdz на архитектуре GLM-5.3-Flash, представленная в формате GGUF для запуска через llama.cpp. Это разреженная MoE-модель класса 320 млрд параметров с визуальным энкодером и контекстом до 1 048 576 токенов. Репозиторий содержит динамически квантованные веса класса IQ4_XS и визуальный проектор F16; модель принимает текст и изображения и предназначена для диалогов, анализа изображений и работы с большими документами и кодовыми базами. В карточке также заявлен режим рассуждений с управлением интенсивностью.

Модель модифицирована абляцией отказов: автор заявляет, что она отвечает на запросы без обычного поведения отказа, сохраняя следование инструкциям и рассуждения. Для запуска нужны свежая сборка llama.cpp с поддержкой glm5-next и около 165 ГБ общей памяти VRAM/RAM, что ограничивает доступность на обычном оборудовании. Лицензия — MIT.

Сценарии применения

  • ответы на вопросы по длинным документам
  • анализ содержимого изображений в диалоге
  • работа с большими кодовыми базами
  • диалоговый помощник без стандартных отказов
  • обработка длинных запросов с режимом рассуждений

Ограничения

Для запуска требуется сборка llama.cpp с поддержкой glm5-next и примерно 165 ГБ совокупной памяти VRAM/RAM. Утверждения о качестве, скорости и сохранении способностей приведены автором карточки и не подкреплены в предоставленных данных независимыми оценками.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pwdz-2 Abliterated

Pwdz-2 Abliterated is a multimodal large language model built on the GLM-5.3-Flash architecture — a 320B-class sparse Mixture-of-Experts with a native vision tower and a 1,048,576-token context window, abliterated to strip out the refusal direction: the model answers everything directly while keeping its full reasoning and instruction-following ability intact. This repository ships Pwdz-2 as a ready-to-run GGUF in a space-efficient IQ4_XS-class dynamic quant, with its F16 vision projector included — text and image input work out of the box.

Highlights

  • Abliterated — refusal behavior removed via weight-space ablation, not prompt hacks: no system-prompt games needed, and no lobotomized answers
  • Multimodal by design — the bundled F16 mmproj activates the vision tower; attach images directly
  • 1M token context — native long-context for massive documents, codebases, and agent workflows
  • Dynamic quantization — per-tensor intelligent quant allocation keeps quality high at a smaller footprint
  • MoE efficiency — sparse activation keeps generation fast despite the model's scale
  • Thinking mode — reasoning-effort control via chat template kwargs

Repository contents

FileSizeRole
Pwdz-2-00001-of-00005.gguf … 00005-of-00005~157 GB totalMain model weights (5-shard split GGUF, IQ4_XS-class)
mmproj-Pwdz-2-F16.gguf1.1 GBVision projector (F16 multimodal tower)

Split GGUF: point llama.cpp at the first shard (-00001-of-00005) — the rest are resolved automatically from the same directory.

Requirements

  • A recent llama.cpp build with glm5-next support (builds from October 2026 onward)
  • ~165 GB of combined VRAM/RAM for full load — 2 × 96 GB GPUs runs it fully on GPU
  • Disk: ~160 GB free

Quickstart — llama.cpp

llama-server \
  -m Pwdz-2-00001-of-00005.gguf \
  --mmproj mmproj-Pwdz-2-F16.gguf \
  -ngl 999 \
  -c 131072 \
  --port 8080

Then chat (OpenAI-compatible):

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pwdz/Pwdz-2-Abliterated",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Vision usage

curl http://localhost:8080/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{
    "model": "pwdz/Pwdz-2-Abliterated",
    "messages": [{
      "role": "user",
      "content": [
        {"type": "text", "text": "Describe this image in detail."},
        {"type": "image_url", "image_url": {"url": "data:image/png;base64,<base64>"}}
      ]
    }]
  }'

Unsloth Studio

Pwdz-2 Abliterated drops straight into Unsloth Studio: the model appears in the local model picker, the vision projector is auto-detected and attached at load, and image input is enabled in chat immediately.

Thinking control

"chat_template_kwargs": {"reasoning_effort": "high"}

Use "enable_thinking": false for fast direct answers.

License

MIT — inherited from the GLM-5.3-Flash base architecture.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
fb7c0b5

0 моделей